image.png

NOTEBOOK D'ESSAIS

SOMMAIRE

I. Importation des bibliothèques et données, preprocessing
II. Clustering hiérarchique
III. Kmeans
IV. Dbscan

I. Importation des bibliothèques et données

II. Clustering Hiérarchique

Nous n'avons pas pu effectuer la segmentation sur l'ensemble de la population, nous sélectionnons donc un échantillon

III. K-means

Recherche du nombre de clusters

Evaluons le nombre optimal de clusters en fonction de :

Analysons la densité des clusters

Analyse des clusters

Analysons les centroïdes

IV. DBSCAN

Créons une grille de paramètres que nous allons tester. Pour chaque combinaison de paramètres nous allons comparer le nombre de cluster et le coefficient de silhouette créés par DBSCAN